基于深度学习的安全气囊裁剪片识别系统的设计OA

随着安全气囊设计的多样化,安全气囊裁剪片的设计也越来越相似.现阶段工厂仍然采用人工识别安全气囊裁剪片的方式,不仅需要投入大量的人力和时间,其准确率还受人员主观因素的影响.为解决这一问题,设计了一种基于深度学习的安全气囊裁剪片识别系统.首先,通过拍摄采集了 6 种相似OPW安全气囊的耳片照片共1 000 张,构建了实验所用的数据集;然后,训练了基于深度学习的安全气囊裁剪片识别模型,并应用当前常用的几种深度学习模型进行实验,进而选取合适的模型;接着,对所选的模型进行改进,将其识别准确率提高至 93%;最后,开发Web端,用户通过访问网页端即可识别裁剪片,实现移动端的识别操作.在Web端对OPW安全气囊的6种相似耳片进行了识别实验,结果表明所设计的系统能够实现预期的功能,相较于人工识别效果更好,具有替代人工识别的可能性.